chinese-poetry / chinese-poetry Goto Github PK

大家好，

目前此仓库增加了 表面结构字对应表

方便对类似这种表面结构做汉字转换， {鼓/甬} => 𪔜

目前有767个表面结构没有找到对应， 1325个表面结构字找到对应的汉字。

一些比较抽象的表意很难理解和搜索， 个人精力有限， 希望更多同学完善这个列表。

1. 所做的也是一个开源的项目，详见这里，请问可以用这里的数据吗？

2. 如果能有一些和诗句对应的图片，我还想做看图写诗的功能，不知道这种数据有没有什么获取途径？

例如 苏轼的简介

苏轼：(1037-1101)北宋文学家、书画家。字子瞻，号东坡居士，眉州 眉山（今属四川）人。苏洵子。嘉佑进士。神宗时曾任祠部员外郎，因 反对王安石新法而求外职，任杭州通判，知密州、徐州、湖州。后以作 诗“谤讪朝廷”罪贬黄州。哲宗时任翰林学士，曾出知杭州、颖州等， 官至礼部尚书。后又贬谪惠州、儋州。北还后第二年病死常州 。南宋 时追谥文忠。与父洵弟辙，合称“三苏”。在政治上属于旧党，但也有改革弊政的要求。其文汪洋恣肆，明白畅达，为“唐宋八大家”之一 。其诗清新豪健，善用夸张比喻，在艺术表现方面独具风格。少数诗篇 也能反映民间疾苦，指责**者的奢侈骄纵。词开豪放一派，对后代很 有影响。《念奴娇・赤壁怀古》、《水调歌头・丙辰中秋》传诵甚广。 擅长行书、楷书，取法李邕、徐浩、颜真卿、杨凝式，而能自创新意。 用笔丰腴跌宕，有天真烂漫之趣。与蔡襄、黄庭坚、米芾并称“宋四家 ”。能画竹，学文同，也喜作枯木怪石。论画主张“神似”，认为“论 画以形似，见与儿童邻”；高度评价“诗中有画，画中有诗”的艺术 造诣。诗文有《东坡七集》等。存世书迹有《答谢民师论文帖》、《 祭黄几道文》、《前赤壁赋》、《黄州寒食诗帖》等。画迹有《枯木怪石图》、《竹石图》等。--(1037―1101)字子瞻，号东坡居士。眉州眉山(今属四川)人。苏洵长子。嘉二年(1057)进士。累除中书舍人、翰林学士、　端明殿学士、礼部尚书。曾通判杭州，知密州、徐州、湖州、颍州等。元丰三年(1080)以谤新法贬谪黄州。绍圣初，又贬惠州、儋州。徽宗立，赦还。卒于常州。追谥文忠。博学多才，善文，工诗词，书画俱佳。于词“豪放，不喜剪裁以就声律”，题材丰富，意境开阔，突破晚唐五代和宋初以来“词为艳科”的传统樊篱，以诗为词，开创豪放清旷一派，对后世产生巨大影响。代表作有　《念奴娇・赤壁怀古》、《江神子・猎主要作品有:定风波（莫听穿林打叶声）昭君怨（谁作桓伊三弄）洞仙歌（冰肌玉骨）浣溪沙（游蕲水清泉寺）西江月（顷在黄州）八声甘州・寄参寥子浣溪沙（簌簌衣巾落枣花）水龙吟（似花还似非花）行香子・过七里滩永遇乐（彭城夜宿燕子楼）西江月・重九（点点楼头细雨）满江红（江汉西来）满江红・怀子由作（清颍东流）江城子（十年生死两茫茫）念奴娇・赤壁怀古②临江仙（夜饮东坡醒复醉）水调歌头（明月几时有）蝶恋花（花褪残红青杏小）鹧鸪天（林断山明竹隐墙）望江南（春未老）卜算子（缺月挂疏桐）贺新郎（乳燕飞华屋）阮郎归（绿槐高柳咽新蝉）

1037―1101 这部分就是重复的开头

如题，如果可以的话还请作者在原数据中标注一下．
多谢

比如poet.tang.54000.json，54000有什么意义的？

最后一句：“蓦然回首，那人却在，火阑珊处”，缺少“火”字
另外，下阕和上阕最后一句的换行位置也不一致，排版看起来有点乱。

比如在陕西西安，给个大概的经纬度什么的。
我觉得这个数据一定有用

扫一扫加不了作者微信！

能增加易经的数据么

增加全宋词数据

是这个文件
https://github.com/jackeyGao/chinese-poetry/blob/master/json/poet.tang.49000.json

其中596首诗包含YY这两个字符，请问这是什么含义啊？
例：

"paragraphs": [
"飄飄且在三峰下，秋風往往堪霑灑。",
"腸斷憶仙宮，朦朧煙霧中。",
"YY思夢時時睡，不語長如醉。",
"早晚是歸期，蒼穹知不知。"
],

别的唐诗文件里没有YY，只有这个有。

导入庫中，随意取了几个，发现有些诗词少了几句。很多只有一两句的诗词。。

https://zh.wikipedia.org/wiki/%E8%AF%97%E7%BB%8F

《诗经》是**最早的诗歌总集，溯自公元前11到前6世纪，原本叫《诗》，共有诗歌305首（除此之外还有6篇有题目无内容,即有目无辞，称为笙诗六篇，题目分别是南陔、白华、华黍、由庚、崇丘和由仪）[1]，又称《诗三百》。[2]从汉朝起儒家将其奉为经典，遂也称之谓《诗经》，而正式使用《诗经》一名，应该起于南宋初年[3]。早期诗经版本众多，其中最为著名也是流传至今的，是汉朝毛亨、毛苌注释的《诗经》，因此该版本又称为《毛诗》。《诗经》中的诗的作者，绝大部分已经无法考证。其所涉及的地域，主要是黄河流域，西起山西和甘肃东部，北到河北省西南，东至山东，向南也远及江汉流域。 --------- 维基百科

数据源要求

• 来源可靠
• 便于抓取
• 数目接近305首
• 有“四始六义”、音乐、表现手法分类
• 由于作者大多无法考证， 统一不记作者。

火钳刘明

没有人做论语数据库吗？感觉这个很酷啊。

随手一点，
json/authors.tang.json line 115

"desc": "煜，字重光，南唐元宗子。仁孝，善屬文，工書畫，妙於音律。置澄心堂於內苑，引文士居其間，嘗著《雜說》百篇，時人以爲可繼《典論》。開寶中，封隴西公，贈吳王。集十卷，詩一卷，失傳，今存詩十八首。 煜，字重光，南唐元宗子。仁孝，善屬文，工書畫，妙於音律。置澄心堂於內苑，引文士居其間，嘗著雜說百篇，時人以爲可繼典論。開寶中，封隴西公，贈吳王。集十卷，詩一卷，失傳，今存詩十八首。",

可能的解答：
首先，好东西总会发光的
然后因为几个github大佬都star了，引发了链式反应

你好 非常感谢你能够做这个项目 让我们能够拿来用 谢谢你 最近发现宋词不完整 有的缺少一句或两句的

对这个项目有很大兴趣，我这边写了点东西，做了一下少句统计（主要是宋词部分），以ci.song.0.json文件内数据为例，我这边统计1000首宋词丢失语句数量最低是134，所以几万首下来数量还是很可观的。
有丢失情况的宋词序号：
[ci_103, ci_112, ci_159, ci_215, ci_302, ci_332, ci_366, ci_413, ci_451, ci_486, ci_487, ci_558, ci_686, ci_694, ci_695, ci_726, ci_736, ci_737, ci_750, ci_791, ci_824, ci_841, ci_909, ci_910, ci_952, ci_57, ci_83, ci_104, ci_144, ci_160, ci_218, ci_292, ci_306, ci_328, ci_344, ci_365, ci_485, ci_550, ci_555, ci_563, ci_590, ci_667, ci_669, ci_670, ci_672, ci_673, ci_689, ci_692, ci_780, ci_886, ci_893, ci_948, ci_28, ci_56, ci_82, ci_95, ci_102, ci_244, ci_296, ci_301, ci_311, ci_312, ci_326, ci_337, ci_347, ci_369, ci_399, ci_408, ci_409, ci_417, ci_482, ci_527, ci_593, ci_682, ci_683, ci_684, ci_687, ci_688, ci_753, ci_795, ci_804, ci_825, ci_857, ci_890, ci_895, ci_85, ci_105, ci_161, ci_263, ci_281, ci_345, ci_351, ci_352, ci_368, ci_450, ci_524, ci_553, ci_612, ci_627, ci_681, ci_820, ci_822, ci_823, ci_881, ci_947, ci_949, ci_8, ci_12, ci_111, ci_162, ci_182, ci_209, ci_275, ci_277, ci_303, ci_346, ci_364, ci_370, ci_373, ci_387, ci_488, ci_489, ci_530, ci_531, ci_546, ci_557, ci_570, ci_678, ci_690, ci_732, ci_735, ci_835, ci_891, ci_911]
所以我准备完善一下这个程序吧，希望能自动修复一下少句问题。。

暂时的一个想法啊：因为诗词爱好者很多都是具体诗人的粉丝这么发展出来的，尤其是宋元以后作品，要从网上找朝代全集难，但是找具体某某的集子可能就容易了。后续补充去重也方便。

比如，如果我上传一个近三百年名家词选，其他人传清词就得小心核对，但是我上传一个具体的集子，其他人一看就知道这个不用再管了

SELECT * FROM ci WHERE author='李白' 这样搜搜不到李白？

cat ./josn/* | grep '李白' 有李白的数据

SELECT * FROM ci WHERE author='辛弃疾' 这个就可以找到。。我也是醉了

rt

网址： https://deepthan.gitee.io/angular-demo/#/home
初步设想是做个首页宣传诗词的重要性，然后每篇优美的文章配以独特的图片和效果。
但是本人文字功底太弱不知是否有人可以帮忙提供些内容呢

写了个安卓的《离线全唐诗》，打算免费、开源：https://github.com/animalize/QuanTangshi
用的您这个数据，效果还不错。

就是想知道，如果我分发程序，是否会侵权？

感觉GitHub的分支功能挺适合这个项目的，比如：

1. 一个branch里只有原始的数据。修订数据都在这里，然后通过脚本同步到其它branch。
2. 一个branch里有平仄、标签，以及其它信息，方便下游用户使用。
3. 一个branch采用简体中文，方便下游用户使用。

大文件下std json表现力太差

环境linux，使用工具sqlite尝试打开ci.db文件，提示错误：
$ sqlite ci.db
Unable to open database "ci.db": file is encrypted or is not a database
能帮忙看一下吗

http://ctext.org/zh
这里的资源非常全面。

举唐诗的例子
http://ctext.org/quantangshi/zh

本計劃為全世界的學生、研究者以及相關的人員提供免費的資源，而不要求任何人付費使用

可能可以作为爬取源， 希望能遵循项目要求。引用资源请链接上ctext的url以帮助其发展。

http://ctext.org/help-us/zh

21050首词 --- 但是很多口水词，例如明月几时有 (明月幾時有)。。没有收录？还是我没找对？
也没找到床前明月光 。。。

                   《木兰花令·拟古决绝词》
                                ----清.纳兰性德
                人生若只如初见，何事秋风悲画扇。　　       
                等闲变却故人心，却道故心人易变。

　　 骊山语罢清宵半，泪雨霖铃终不怨。
　　 何如薄幸锦衣郎，比翼连枝当日愿。

建议支持筛选，比如小学生、初中生、高中生，描写山河、边疆等的分类或者标签

应该是是源的问题

1. OCR结果未仔细校验，如唐诗【和蘇員外寓直】内容是 【-329-。】
2. 乐府类的全部重复了，如同事存在李白的两篇【鼓吹曲辭 上之回】、【上之回】，显然是一篇

1. 例如 poet.tang.38000 中1011行的的罒/離，该字在 Unicode Ext-A 区，目前大多数系统字体可以正常显示了。
2. 是否考虑使用表意文字描述字符 (Ideographic Description Character, IDC) ，更好地描述汉字？比如该字可使用⿱罒離描述。（参考 https://en.wiktionary.org/wiki/%E2%BF%B1 ）
3. 另外有些须合并的汉字前后 delimiter 并不统一，例如同一文件4401行，出现[{疒辛}]，而4944行出现{忄雙}{忄雙}，也可以用 IDC 解决。

比如辛弃疾的青玉案·元夕，只有词牌名“青玉案”，而没有后边的词题“元夕”。

作者是如何对这些诗句分词的，是自己训练的还是用已有的模型，是否可以推荐比较准确的诗句分词模型

见https://github.com/jackeyGao/chinese-poetry/pull/10

目前是：白璧衆求暇，素絲易成汙。
估计是：白璧衆求瑕，素絲易成汙。

这样整句意义通顺。
在Google上搜索整句，前者只能找到一条，后者能找到若干条。
当然，不排除是诗人误用。

这个issue可以一直开着，不求立刻处理。

比如按照诗词的风格(田园诗，抒情诗等)来进行归类

屈原的《离*》
汉高祖刘邦的《大风歌》
汉乐府诗《孔雀东南飞》
曹操、曹丕、曹植三父子的诗歌
建安七子的诗歌
竹林七贤的诗歌
东晋：陶渊明
南北朝：谢灵运、谢朓、颜延之、鲍照、庾信、沈约、江淹
乐府诗集《古诗十九首》
北朝民歌《木兰诗》
元明清三朝

诗词名句

rt
https://www.zhihu.com/people/liang-xing-yang/activities.

谢谢作者，对古文化贡献很大啊 。

对于宋词，请问有数据相应的词牌名信息或者分类嘛？
:‑)

您好，请问这些数据是做过实体消歧处理的吗？

这种词云是怎么生成的？

你好，修复宋词最后缺失的两句后，宋词的tags标签丢失了！

我知道古诗里有很多古怪的字，在现在字库里没有，想知道这部分是怎么处理的。